摘要

估计动物的姿态可以促进对动物运动的理解，这对于生物力学、神经科学、行为学、机器人学和娱乐产业等学科来说是基础性的。由于大量训练数据的可用，人类姿态估计模型已经取得了高性能。然而，由于缺乏动物姿态数据集，要在动物姿态估计中达到同样的效果颇具挑战性。为了解决这一问题，我们引入了SyDog：一个包含真实姿态和边界框坐标的合成狗数据集，该数据集是使用游戏引擎Unity生成的。我们证明了在SyDog上训练的姿态估计模型比仅在真实数据上训练的模型具有更好的性能，并显著减少了对图像进行耗时的人工标注的需求。我们发布了SyDog数据集，作为动物运动研究中的训练和评估基准。